自主机器人导论 具身智能 人工智能神经网络 线性代数深度学习 机器学习

本书涵盖了机器人技术的多个重要方面，包括机构、传感器、执行器和算法等内容，旨在为读者提供一个*的可理解框架。 书中详细介绍了自主机器人的基本原理和应用，强调了机器人在复杂环境中进行自主导航和操作的能力。它不仅包括理论知识，还提供了丰富的实践案例和项目，帮助学生将理论应用于实际问题中。此外，书中还包含了大量的附录，提供了额外的在线资源，便于读者深入学习和研究相关主题。 本书不仅适合高年级本科生和研究生，也适合对自主机器人感兴趣的工程师和研究人员。

译者序
序言

第 1 章 引言 ...................................................... 1
1.1 智能和实例 ............................................ 1
1.2 路径规划问题 ........................................ 2
1.3 Ratslife：自主移动机器人的一个例子 ....................................................... 3
1.4 自主移动机器人：一些核心的挑战 ...... 4
1.5 自主抓取：一些核心的挑战 ................. 5
本章要点 ........................................................ 5
课后练习 ........................................................ 5
第 一部分 机 构
第 2 章 运动、操作及其表现形式 ................ 8
2.1 运动和操作的例子 ................................ 8
2.2 静态稳定性和动态稳定性 ................... 10
2.3 自由度 ................................................. 11
2.4 坐标系和参考系 .................................. 14
2.4.1 旋转矩阵的定义 ....................... 16
2.4.2 点从一个参考系向另外一个参考系的映射 ........................... 18
2.4.3 变换的级联 .............................. 19
2.4.4 姿态的其他表示 ....................... 19
本章要点 ...................................................... 21
课后练习 ...................................................... 21
第 3 章 运动学 ................................................ 22
3.1 正向运动学 .......................................... 23
3.1.1 简单机械臂的正向运动学 ....... 23
3.1.2 Denavit-Hartenberg 表示法 ...... 25
3.2 逆向运动学 ......................................... 27
3.2.1 可解性 ...................................... 28
3.2.2 简单机械臂的逆向运动学 ....... 28
3.3 微分运动学 ......................................... 30
3.3.1 正微分运动学 .......................... 31
3.3.2 差速轮式机器人的正向运动学 ...................................... 32
3.3.3 类汽车转向机构的正向运动学 ...................................... 37
3.4 逆微分运动学 ...................................... 38
3.4.1 移动机器人的逆向运动学 ....... 39
3.4.2 移动机器人的反馈控制 ........... 41
3.4.3 欠驱动和过度驱动 ................... 42
本章要点 ...................................................... 43
课后练习 ...................................................... 43
第 4 章 力学 .................................................... 45
4.1 静力学 ................................................. 46
4.2 运动 静力学对偶 ................................ 47
4.3 可操作性 ............................................. 48
4.3.1 速度空间中的可操作椭球 ....... 48
4.3.2 力空间中的可操作椭球 ........... 49
4.3.3 可操作性的考虑 ...................... 50
本章要点 ...................................................... 50
课后练习 ...................................................... 50
第 5 章 抓取 .................................................... 51
5.1 抓取理论 ............................................. 51
5.1.1 摩擦力 ...................................... 51
5.1.2 多重接触和变形 ...................... 53
5.1.3 吸力 ......................................... 54
5.2 简单的抓取机构 .................................. 54
5.2.1 单自由度的剪刀式夹爪 ........... 54
5.2.2 平行夹爪 .................................. 55
5.2.3 四连杆平行夹爪 ...................... 56
5.2.4 多指手 ...................................... 57
本章要点 ...................................................... 57
课后练习 ...................................................... 57
*部分 感知和驱动
第 6 章 执行器 ................................................ 60
6.1 电动机 ................................................. 60
6.1.1 交流电动机和直流电动机 ....... 60
6.1.2 步进电动机 .............................. 62
6.1.3 无刷直流电动机 ...................... 62
6.1.4 伺服电动机 .............................. 63
6.1.5 电动机控制器 .......................... 63
6.2 液压和气动执行器 .............................. 64
6.2.1 液压执行器 .............................. 64
6.2.2 气动执行器和软体机器人 ....... 64
6.3 *注意事项 ...................................... 65
本章要点 ...................................................... 65
课后练习 ...................................................... 66
第 7 章 传感器 ................................................ 67
7.1 术语 ..................................................... 68
7.2 测量机器人关节构型的传感器 ........... 70
7.3 测量自运动的传感器 .......................... 70
7.3.1 加速度计 .................................. 71
7.3.2 陀螺仪 ...................................... 71
7.4 测量力的传感器 .................................. 72
压力或接触 .......................................... 73
7.5 测量距离的传感器 .............................. 74
7.5.1 反射 ......................................... 74
7.5.2 相移 ......................................... 75
7.5.3 飞行时间 .................................. 76
7.6 感知全局姿态的传感器 ...................... 76
本章要点 ...................................................... 77
课后练习 ...................................................... 77
第三部分 计 算
第 8 章 视觉 .................................................... 80
8.1 将图像作为二维信号 .......................... 80
8.2 从信号到信息 ..................................... 81
8.3 基本图像操作 ..................................... 83
8.3.1 基于阈值的操作 ...................... 83
8.3.2 基于卷积的滤波器 .................. 84
8.3.3 形态学操作 .............................. 86
8.4 从视觉中提取结构 .............................. 87
8.5 计算机视觉和机器学习 ...................... 89
本章要点 ...................................................... 89
课后练习 ...................................................... 89
第 9 章 特征提取 ........................................... 91
9.1 特征检测实现信息精简化 .................. 91
9.2 特征 ..................................................... 91
9.3 线特征识别 ......................................... 92
9.3.1 *小二乘直线拟合 .................. 93
9.3.2 拆分合并算法 .......................... 94
9.3.3 随机抽样一致性算法 ............... 95
9.3.4 霍夫变换 .................................. 95
9.4 尺度不变特征变换 .............................. 96
9.4.1 概述 ......................................... 96
9.4.2 使用尺度不变特征的目标
识别 ......................................... 98
9.5 特征检测和机器学习 .......................... 98
本章要点 ...................................................... 98
课后练习 ...................................................... 98
第 10 章 人工神经网络 ............................... 100
10.1 简单感知器 ..................................... 101
10.1.1 简单感知器的几何解释 ..... 102
10.1.2 训练简单感知器 ................ 102
10.2 *函数 ......................................... 103
10.3 从简单感知器到多层神经网络 ....... 104
10.3.1 人工神经网络的正式描述 ................................... 105
10.3.2 训练一个多层神经网络 ..... 106
10.4 从单个输出到高维数据 ................... 107
10.5 目标函数与优化 .............................. 108
10.5.1 回归任务的损失函数 ......... 108
10.5.2 分类任务的损失函数 ......... 109
10.5.3 二元交叉熵和分类交叉熵 ........................................ 110
10.6 卷积神经网络 .................................. 110
10.6.1 从卷积到二维神经网络 ..... 112
10.6.2 填充和步长 ........................ 112
10.6.3 池化 .................................... 113
10.6.4 张量扁平化 ........................ 113
10.6.5 CNN 简单示例 ................... 114
10.6.6 二维图像数据之外的CNN ................................... 114
10.7 循环神经网络 .................................. 114
本章要点 .................................................... 115
课后练习 .................................................... 116
第 11 章 任务执行 ........................................ 117
11.1 反应式控制 ...................................... 117
反应式控制器的局限性 ................... 119
11.2 有限状态机 ...................................... 120
11.3 分层有限状态机 .............................. 122
分层有限状态机实现 ....................... 124
11.4 行为树 ............................................. 124
11.4.1 节点定义和状态 ................. 124
11.4.2 节点类型 ............................ 125
11.4.3 行为树执行 ........................ 126
11.4.4 行为树实现 ........................ 127
11.5 任务规划 .......................................... 127
通用问题求解器和 STRIPS ............. 128
本章要点 .................................................... 129
课后练习 .................................................... 130
第 12 章 地图构建 ........................................ 131
12.1 地图表示 .......................................... 132
12.2 稀疏地图构建的迭代*近点算法 ... 133
12.3 八叉树地图：体素全连接地图构建 ................................................. 135
12.4 RGB-D 地图构建：曲面全连接
地图构建 ........................................... 136
本章要点 .................................................... 138
课后练习 .................................................... 139
第 13 章 路径规划 ....................................... 140
13.1 构型空间 ......................................... 140
13.2 基于图搜索的路径规划算法 ........... 141
13.2.1 迪杰斯特拉算法 ................ 141
13.2.2 A*算法 ............................... 143
13.3 基于采样的路径规划算法 ............... 144
13.4 不同环境尺度下的路径规划 ........... 148
13.5 覆盖路径规划 .................................. 149
13.6 总结与展望 ...................................... 149
本章要点 .................................................... 150
课后练习 .................................................... 150
第 14 章 操作 ................................................ 152
14.1 非抓取操作 ...................................... 152
14.2 选择正确的抓取 .............................. 153
14.2.1 为简单的夹爪寻找好
的抓取方法 ........................ 153
14.2.2 为多指手寻找良好的抓取方法 ............................ 155
14.3 拾取和放置 ...................................... 156
14.4 轴孔装配问题 .................................. 157
本章要点 .................................................... 159
课后练习 .................................................... 159
第四部分 不确定性
第 15 章 不确定性和误差传播 .................. 162
15.1 作为随机变量的机器人学中的不确定性 ......................................... 162
15.2 误差传播 ......................................... 163
15.2.1 示例：线拟合 .................... 164
15.2.2 示例：里程计 .................... 165
15.3 *传感器融合 .............................. 167
卡尔曼滤波器 .................................. 168
本章要点 .................................................... 168
课后练习 .................................................... 169
第 16 章 定位 ................................................ 170
16.1 启发性的例子 .................................. 170
16.2 马尔可夫定位 .................................. 172
16.2.1 感知更新 ............................ 172
16.2.2 动作更新 ............................ 173
16.2.3 例子：马尔可夫定位在拓扑地图上的应用 ............. 173
16.3 贝叶斯滤波器 .................................. 176
例子：贝叶斯滤波器在网格地图中的应用 ......................................... 177
16.4 粒子滤波器 ..................................... 178
16.5 扩展卡尔曼滤波器 .......................... 181
用卡尔曼滤波估计里程信息 ........... 181
16.6 总结：基于概率图的定位 ............... 183
本章要点 .................................................... 183
课后练习 .................................................... 184
第 17 章 同步定位与地图构建 .................. 185
17.1 概述 ................................................. 185
17.1.1 地标 ................................... 185
17.1.2 特例一：含有一个地标的环境 ................................ 186
17.1.3 特例二：含有两个地标的环境 ................................ 186
17.2 协方差矩阵 ..................................... 187
17.3 EKF SLAM ...................................... 187
17.3.1 EKF SLAM 算法介绍 ........ 188
17.3.2 多传感器融合 .................... 190
17.4 基于图的 SLAM 算法 ..................... 190
17.4.1 SLAM：一个*似然估计问题 ............................ 191
17.4.2 基于图的 SLAM 的数值方法 ................................... 193
本章要点 .................................................... 194
课后练习 .................................................... 194
第五部分 附 录
附录 A 三角学 .............................................. 196
附录 B 线性代数 .......................................... 198
附录 C 统计学 .............................................. 202
附录 D 反向传播 .......................................... 209
附录 E 如何书写一篇研究论文 ................. 214
附录 F 示例课程 .......................................... 218
参考文献 ........................................................... 225

尼古劳斯·科雷尔（Nikolaus Correll） 瑞士洛桑联邦理工学院博士，科罗拉多大学博尔德分校计算机科学副教授，机器人领域的知名学者和领军人物。他的研究主要集中在自主机器人、软机器人以及机器人感知与控制等方面。 布拉德利·海斯（Bradley Hayes） 科罗拉多大学博尔德分校计算机科学助理教授，专注于机器学习和机器人技术的交叉领域。 克里斯托弗·赫克曼（Christoffer Heckman） 科罗拉多大学博尔德分校计算机科学助理教授。 亚历山德罗·龙科内（Alessandro Roncone） 科罗拉多大学博尔德分校计算机科学助理教授。 译者简介 宋锐 山东大学特聘教授、博导，*长江学者，主要从事机器人复杂作业技能学习与优化领域研究，获山东省科技进步奖多项。 王*群 山东大学教授、博导，国家高层次青年人才，主要从事机器人具身感知和导航领域的研究，获中国机电一体化协会青年科学家奖等奖项。

1